Liberação da Ventilação Mecânica: trajetórias com Machine Learning

Sobre o projeto

Em parceria com a Fiocruz, o projeto investiga o uso de Machine Learning e análise de sequências para identificar trajetórias de liberação da ventilação mecânica invasiva e avaliar se elas podem ser previstas a partir das informações clínicas disponíveis nas primeiras 24 horas de internação na UTI.

O estudo é observacional retrospectivo e utiliza dados de pacientes adultos internados na Fiocruz entre abril de 2021 e agosto de 2026. A partir de eventos como extubação, reintubação e traqueostomia, serão reconstruídas sequências de estados clínicos e identificados grupos com padrões semelhantes de evolução. Esses grupos serão descobertos nos dados, sem trajetórias previamente fixadas.

Na etapa seguinte, serão comparados modelos de classificação para prever as trajetórias com base nos dados iniciais dos pacientes. A avaliação incluirá desempenho, calibração e interpretabilidade, com atenção à prevenção de vazamento de informação. Os modelos terão finalidade de pesquisa e não substituirão a avaliação dos profissionais de saúde.

Impactos potenciais na sociedade

• Ampliar o conhecimento sobre a evolução de pacientes submetidos à ventilação mecânica.
• Investigar a identificação precoce de trajetórias de liberação rápida ou prolongada do suporte ventilatório.
• Produzir evidências para apoiar o planejamento assistencial e o uso de recursos de UTI.
• Contribuir para pesquisas em inteligência artificial interpretável aplicada à medicina intensiva.

O que o aluno poderá desenvolver

• Organização, documentação e análise exploratória de dados clínicos.
• Tratamento de dados ausentes e preparação das variáveis das primeiras 24 horas.
• Reconstrução, visualização e agrupamento de trajetórias como sequências de estados.
• Desenvolvimento e comparação de modelos de classificação multiclasse.
• Avaliação de desempenho, calibração e explicabilidade dos modelos.
• Documentação de código e experimentos, além da preparação de resultados para relatórios e publicações.

Perfil desejado

Estudantes interessados em Machine Learning, Ciência de Dados e Inteligência Artificial em Saúde, com conhecimentos básicos de programação e estatística, interesse em Python e disposição para trabalhar em equipe interdisciplinar.

Não é necessário conhecimento prévio sobre ventilação mecânica ou medicina intensiva. Os conceitos clínicos poderão ser desenvolvidos com a equipe ao longo do projeto.

Tecnologias e competências envolvidas

• Python, Pandas, NumPy e visualização de dados.
• Análise de sequências e agrupamento de trajetórias.
• Scikit-learn, regressão logística multinomial e Random Forest.
• XGBoost, LightGBM e possível uso de CatBoost.
• Classificação multiclasse, métricas de desempenho e calibração.
• SHAP e inteligência artificial explicável.
• Tratamento de dados clínicos e reprodutibilidade de experimentos.